基于EfficientNet对地震受灾建筑物破坏评估
为了实现对建筑物工程震害的图像数据进行智能化分析,以汶川地震、玉树地震等震后受损建筑物图片数据为研究对象,划分了4个建筑物受损类型,建立了震害数据集.通过使用深度学习EfficientNet模型,对图片中建筑物的受损类型进行识别,并通过使用数据增强技术扩大数据容量,同时采用迁移学习技术提高识别准确率,实验得到的模型对震害建筑物图片进行评估识别,达到87.45%的准确度.最后,用训练后的模型对青海玛多7.4级地震的震害数据进行识别,达到了85.71%的准确率,制作了灾情分布图.研究表明,本技术可以为地震后的建筑物受损程度和相关的灾情,提供快速智能化识别,对实现地震后自动化、智能化地提供受灾建筑物的破坏信息有一定实用价值.
建筑物震害图像、EfficientNet、深度学习、灾情获取、图像分类
32
P315;X43(大地(岩石界)物理学(固体地球物理学))
天津市重点研发计划科技支撑重点项目;天津市地震局重点项目
2023-05-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
26-31